一种基于预测模型的智能配煤方法与流程

本发明涉及一种智能配煤方法，具体涉及一种基于预测模型的智能配煤方法，属于智能配煤。

背景技术：

1、配煤是将不同品质的原料煤按一定的掺配比混合得到符合需求的成品煤的一种煤炭清洁高效利用技术。传统的配煤方式是由现场操作人员在产品仓下操作给煤机闸板，对不同品质的原料煤的比例进行人工估算和设定。由于产品仓内原料煤的煤质波动较大、在线灰分检测结果反馈滞后、以及系统的时变、非线性运输适应性差等问题，传统配煤方式无法根据成品煤的煤质变化实时调整配煤比例，导致成品煤的质量不稳定，不能满足客户需求。因此，迫切的需要一种新的方案解决该技术问题。

技术实现思路

1、本发明正是针对现有技术中存在的技术问题，提供一种基于预测模型的智能配煤方法，该技术方案在满足产品用户需求的基础上，提高商品煤质量的稳定性，避免造成高价精煤的浪费。

2、为了实现上述目的，本发明的技术方案如下，一种基于预测模型的智能配煤方法，所述方法包括以下步骤：

3、步骤1：数据采集及预处理，

4、步骤2：模型训练，模型采用encoder-decoder结构，其中encoder模型为状态估计模型，decoder模型为系统动态模型，

5、步骤3：出口成品煤质量控制。

6、其中，步骤1：数据采集及预处理，具体如下：

7、步骤1-1、收集智能配煤过程的历史数据，数据集由若干个完整配煤订单组成，在每个订单中记录原料煤仓的质量数据qi,j以及随时间变化的生产数据，该序列数据中的每个时间样本包括摻配比和出口成品煤的质量其中i∈[1,norder]表示订单编号，j∈[1,n]表示原料煤仓编号，t表示时间，qi,j表示订单i中第j个原料煤仓的质量，表示订单i中t时刻第j个原料煤仓的摻配比，表示订单i中t时刻的出口成品煤的质量；

8、步骤1-2、数据预处理，对出口成品煤质量数据进行中心平均滤波，以消除成品煤质量数据中的测量噪声，中心平均滤波方法为

9、

10、其中2k+1为滤波宽度，k为预设值,k∈[t-k,t+k]表示订单i中k时刻的出口成品煤的质量，表示订单i中t时刻滤波后的出口成品煤的质量。

11、其中，步骤2：模型训练具体如下：

12、步骤2-1：状态估计模型根据系统的最近的输入和输出历史序列预测系统当前的状态，其形式如下：

13、

14、其中i∈[1,norder]为订单i中t时刻的系统状态，i∈[1,norder],j∈[1,n]表示订单i中t-t1时刻到t-1时刻的第j个原料煤仓的摻配比序列数据，qi,j,i∈[1,norder],j∈[1,n]表示订单i中第j个原料煤仓的质量，表示订单i中t-t1+1时刻到t时刻的成品煤质量序列数据，t1为第一预设时长，θ为状态估计模型的参数，

15、步骤2-2：系统动态模型，系统动态模型包含状态转移模型和输出模型两个子模型，其中，状态转移模型描述系统的状态转移特性，其形式如下：

16、

17、其中，为订单i中t时刻的系统状态，为订单i中t时刻第j个原料煤仓的摻配比，qi,j为订单i中第j个原料煤仓的质量，φ为状态转移模型的参数，

18、其中，输出模型为将系统状态映射到被控制的输出值，其形式如下：

19、

20、其中为订单i中t时刻的系统状态，为订单i中t时刻的系统输出，即预测的成品煤质量，为输出模型的参数。

21、状态估计模型为一个序列到状态向量的encoder网络，由transformer或lstm等网络结构实现，系统动态模型为描述了系统的动态特性的decoder网络，可使用lstm网络实现。在实现时需要保证encoder网络与decoder网络中的状态向量维度相等。输出模型有一个简单两层线性网络组成，并且两层线性层之间使用了非线性激活函数来增加模型的非线性。

22、其中，步骤3：出口成品煤质量控制，具体如下：

23、基于训练得到的状态估计模型和系统动态模型确定各个原料煤仓的最优摻配比，从而实现出口成品煤质量的精准控制，各个原料煤仓的摻配比满足一定的约束条件：

24、约束条件(1)：

25、约束条件(2)：其中和分别表示订单i中第j个原料煤仓的最低和最高摻配比。

26、步骤3中还包括以下约束条件：

27、约束条件(3)：当小于订单i出口成品煤质量要求时，质量最好的原料煤的最低摻配比为该品类煤的当前摻配比，即当大于订单i出口成品煤质量要求时，质量最好的原料煤的最高摻配比为该品类煤的当前摻配比，即在t时刻获取到出口成品煤质量后，执行以下步骤来确定最优摻配比，进而控制出口成品煤的质量满足客户要求，(1)构建历史生产序列，生产订单i中历史生产序列包括从t-t1到当前时刻t-1的各个原料煤仓的摻配比i∈[1,norder],j∈[1,n]，从t-t1+1时刻到t时刻的成品煤质量序列以及各个原料煤仓的质量数据，qi,j,i∈[1,norder],j∈[1,n]，其中t1为第一预设时长，

28、(2)基于构建的历史生产序列，利用状态估计模型预测当前时刻的系统状态

29、(3)生成若干种原料煤仓的摻配比策略，首先，确定每个煤仓的最低摻配比和最高摻配比接着，对于第1原料煤仓至第n-1原料煤仓，在区间i∈[1,norder],j∈[1,n-1]内进行均匀采样得到m个值；然后，将这n-1个煤仓的摻配比进行排列组合可以得到mn-1种摻配比策略，其中第n原料煤仓的摻配比可以通过得到；最后，将不满足条件的d条策略删去，

30、(4)基于mn-1-d种摻配比策略，生成mn-1-d条预测输出序列，对于每一种摻配比策略，基于步骤2中得到当前系统系统状态以及各个原料煤仓的质量qi,j,i∈[1,norder],j∈[1,n]，都可以利用系统动态模型和输出模型迭代地得到一条预测输出序列，即从当前t时刻开始一直到未来的t+t2时刻，一直执行当前的摻配比策略得到成品煤质量估计序列，

31、(5)首先，从mn-1-d条成品煤质量估计序列中筛选出在成品煤质量设定值qset允许范围内波动的序列，即记筛选出符合条件的序列个数为ns；接着，计算筛选出的每条序列与成品煤质量设定值的绝对偏差值之和其次，计算执行筛选出的每条序列对应的摻配比时相应产品成本其中pi,j,i∈[1,norder],j∈[1,n]为订单i中第j原料煤仓的价格；然后，计算整体目标值其中α为权重系数，用来平衡控制效果与产品成本；最后选择整体目标值最小的对应的摻配比作为当前t时刻的决策结果。

32、一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现所述的基于预测模型的智能配煤方法。

33、一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现所述的基于预测模型的智能配煤方法。

34、相对于现有技术，本发明具有如下优点，1、本发明提出的一种基于预测模型的智能配煤方法，基于各个原料煤仓的质量、各个原料煤仓的摻配比序列数据和成品煤质量序列数据确定当前时刻的最优摻配比，有效克服了原料煤的煤质波动较大、系统的时变、非线性运等问题；2、该发明明显提升了成品煤的质量稳定性，确保每一批次都能精准满足客户的严格要求，还极大降低了对人工操作的依赖，从而显著减少人力成本。预计人力成本减少20％-40％。此外，该系统能够精确调控原料煤的掺配比例，避免了以往为了保证质量达标而生产高于实际需求的成品煤，使原料成本降低约5％-15％和运营成本降低约5％。生产效率方面，智能调度与实时监控可将生产周期缩短10％-30％。这些改进不仅确保了质量的合规性，还进一步优化了生产成本，实现了经济性与质量的双重提升，为企业带来了显著的经济效益和市场竞争优势。